随着工业的发展和计算机技术的进步,机器视觉在工业领域中的应用越来越广泛。目前发展比较成熟和应用较多的为双目视觉。双目视觉技术根据两幅图像对场景进行重构,还原出场景的三维信息。重构的前提是已知相机成像模型的参数,计算出世界坐标系和图像坐标系的转换关系。求解相机成像模型参数的过程即成为相机标定,相机标定技术主要可以分为传统的标定技术和自标定技术。传统的标定技术要求在拍摄的时候在相机前放置标定物,通过已知的标定物的信息对相机进行标定。这种方法的优点是模型简单,易于计算,但是在实际应用中要受标定物的约束。自标定技术则不需要标定物,利用射影不变量和极几何约束对相机进行标定,在实际应用中灵活。本文根据射影几何和概率理论提出了两种自标定方法。一种是基于单目视觉技术的双目视觉自标定技术。针对场景中存在三组平行正交向量的情况,本文提出只需在两幅图像上选取三对匹配点,利用场景三组正交平行向量在图像平面上形成的消失点的信息对相机进行标定的方法。针对相机自标定中的弱标定技术,即根据基本矩阵对相机进行标定的方法做出了研究,提出了找出最合理的基本矩阵的约束以提高基本矩阵的精确度。本文针对Mosian等人提出的通过概率计算找出最合理的基本矩阵的约束条件的模型做出了改进,在他们提出的点到极线距离的约束上提出了灰度匹配约束。在给出了两幅图像上的特征点但不知道这些点的匹配关系的情况下,通过概率模型计算出需要在给出的特征点里找出最合理的基本矩阵所需的灰度匹配约束量和点到极线的距离约束量,使得在特征点集合里存在较多的不匹配点的情况下,能够找出匹配最好的点集,计算出最合理的基本矩阵。